第18卷增刊2地下空间与工程学报Vol.182022年12月ChineseJournalofUndergroundSpaceandEngineeringDec.2022基于人工神经网络的砂卵石地层盾构地表沉降预测荣雪宁1,刘旭东2,文祝3,卢浩4,戎晓力3(1.南京工业大学交通运输工程学院,南京211816;2.华设设计集团股份有限公司,南京210014;3.南京理工大学机械工程学院,南京210094;4.陆军工程大学爆炸冲击防灾减灾国家重点实验室,南京210007)摘要:成都地铁隧道主要穿越地层为砂卵石地层,采用土压平衡盾构施工。砂卵石地层具有明显的不均匀性和非连续性,工后沉降波动大且不易预测。根据成都地铁盾构1403个测点的监测数据和施工数据,研究了多维掘进参数与地表沉降之间的关系。建立了砂卵石地层沉降预测的人工神经网络(ANN)模型,并对模型的节点参数进行优化。最终得到的ANN模型包括9个输入节点,19个隐含层节点和1个输出节点。训练数据充足时,该模型有效反映了检验数据集的沉降变化趋势。在50组检验数据集上,沉降预测值与真实值的相关系数为0.645。针对某区间掘进工况的模拟检验表明,ANN模型有效预测了该区间纵断面沉降分布,且区间下半段的预测误差明显小于区间上半段,表明模型预测效果随着区间盾构的推进逐步改善。与Peck经验公式的对比表明,经验公式法的预测值波动很小,适合在施工开始前预估隧道整体的平均沉降,难以判断区间内部的沉降波动;ANN模型则适合在隧道掘进期间对特定位置的工后沉降做出预判。关键词:土压平衡盾构;砂卵石;地表沉降;掘进参数;人工神经网络中图分类号:TU47文献标识码:A文章编号:1673-0836(2022)增2-0958-09PredictionofSurfaceSettlementInducedbyShieldinSandyGravelsStratumBasedonArtificialNeuralNetworksRongXuening1,LiuXudong2,WenZhu3,LuHao4,RongXiaoli3(1.SchoolofTransportationEngineering,NanjingTechnologyUniversity,Nanjing211816,P.R.China;2.ChinaDesignGroup,Nanjing210014,P.R.China;3.SchoolofMechanicalEngineering,NanjingUniversityofScienceandTechnology,Nanjing210094,P.R.China;4.StateKeyLaboratoryofDisasterPreventionandMitigationofExplosionandImpact,TheArmyEngineeringUniversityofPLA,Nanjing210007,P.R.China)Abstract:Chengdumetrotunnelsmainlygothroughsandygravelsstratumviaearthpressurebalanced(EPB)shield.Thesandgravelsstratumhasobviousinhomogeneityanddiscontinuity,andthepost-constructionsettlementfluctuatesgreatlyandisnoteasy...
